第一章..迈进人与智能体协作新时代.................................................................... 03 1.1 从工业时代到数字时代再到 AI 时代的组织转型 .........................................................03 1.2 人与智能体协作新时代的智能体组织关键新特征 .........................................................................................26 迈进人与智能体协作新时代 第五章..流程变革：AI 驱动流程管理变革进化路径................................................. 33 5.1 渐进式流程优化：厘清流程体系、流程数据洞察、流程优化迭代 技术突破应用边界、大模型能力渗透业务全流程，商业世界正经历 一场远超数字革命的组织范式重构——这不再是“技术工具的补充”，而是“价值 创造逻辑的根本变革”。从工业时代的科层制、数字时代的平台化，到如今 AI 时代 的“人与智能体协作”，组织形态的每一次跃迁，都源于生产力底层逻辑的重构。 本白皮书基于国内外头部企业的数智化转型实践，提炼出智能体组织的核心特征、 价值导向与破局路径，旨在为企业高层提供“可落地、可验证、可复制”的转型指南，

对不同措施可能救援效果的推演能力 满足国家要求个性化预案的生成能力 次生衍生灾害处置等复杂任务的调度能力 IT 引 擎 ● 大数据治理平台 ·E GIS 多智能体协作 多智能体协作提升公共安全能力 构建大模型、深度挖掘小模型与技术方法能效，通过多智能体协作将大模型，灾害仿真模型、公共安全推理模型 、平台工具等多源能力进行融合，实现公共安全领域的数据分析、推演、内容生成与业务调度等能力。 “ 谊昆”大模型服务应急业务全场景

健康为中心，积极探索人工智能与医疗健 康深度融合的创新路径。我们自主研发了拥有全知识产权的“华西黉医”医学大模型，集成10余类通用模型 与50余类垂直领域模型，构建了覆盖诊前、诊中、诊后的多智能体协同服务体系。从预问诊智能体的精准分 诊，到生成式病历智能体的文书减负；从病历内涵质控的质量把关，到数字陪诊的全程陪护；从肺癌肺结节 和食管早癌人工智能辅助诊断系统的研发，到获得医疗器械证书——我们深刻认识到：人工智能不是简单 时优化推理效率。关键技术包括： 智能体平台通过NL2Agent技术将自然语言描述自 动转化为完整智能体，支持多智能体协同机制，如 肺癌MDT中协调影像、病理、基因等多专科智能体 整合生成综合诊疗建议。智能体运行引擎内置“智 能飞轮”，支持智能体边用边演进优化，并通过智 能体协议支持第三方工具即插即用，使智能体具备 调用院内系统服务接口、知识库等外部能力。 工具平台关键技术包括： 自助增训工具链：大小飞轮，模型精进 用”的闭环模式，让模型精度在真实业务流中持续 进化，越用越准、越用越懂临床。 多智能体平台：用AI智造AI 平台提供零代码智能体开发环境，针对开发人员， 仅需自然语言描述即可快速创建专属智能体应用， 并支持多智能体协同完成复杂任务。智能体可无缝 对接院内信息系统、数据库及各类第三方服务，同 时通过标准接口与上层业务系统融合，实现即插即 用。平台内置10余个常用工具，并开放对接主流搜 索引擎及开源社区应用，一键式加载即可使用。在

编者将追究其法律责任。 （一）工业智能体是赋能新型工业化的关键使能技术，应用落地 可释放显著颠覆价值。工业智能体具备环境感知、逻辑推理、任务规 划、工具调用、任务执行及多主体协同能力，已逐步渗透研发设计、生 产制造、营销服务、运营管理等工业全流程，推动智能制造从“自动 化”向“自主化”跨越，在提效降本、流程优化、价值创造等方面展现 出突出的产业变革作用。 （二） 力的智能系统。工业智能体则是专门为工业生产制造场景设计、部署、 运行的，以工业大模型为核心认知与推理引擎，深度融合工业知识图 谱、机理模型、领域数据与业务流程，具备环境感知、逻辑推理、任务 规划、工具调用、任务执行及多主体协同能力的软件系统或软硬一体 实体。 （二）工业智能体内涵辨析 工业智能体是推动“人工智能+制造”迈上新台阶的关键驱动技术， 它并非脱离现有人工智能赋能制造业轨迹，而是对其的深化与超越。 五、我国发展工业智能体的建议 （一）筑牢技术创新根基，提升工业场景适配能力 一是探索搭建国家级协同创新平台，以重大科技专项、“揭榜挂 帅”等机制为抓手，重点攻关工业机理与智能体决策模型深度融合、轻 量化部署、多智能体协同适配等核心技术，破解泛化能力不足、实时响 应不达标、跨系统协同冲突等落地难题。二是构建工业级场景验证闭 环，搭建典型复杂工况测试平台，围绕极端环境、突发故障等场景，验 证工业智能体运行稳定性

ChatGPT 诞生以来，人工智能发展进入爆发期，GPT-4o、V-JEPA 2、OpenClaw 等多模态模型、智能体和具身智能前沿领域快速迭代， AI 技术从“序列预测”走向世界模型、从智能对话到智能体协同、从虚 拟智能走向物理 AI，并展现巨大的社会经济变革潜力，驱动制造业 智能化从以判别分析为主的“自动化智能”向具备自主决策与生成能 力的“自主化智能”演进，这一过程中实现了三个关键转变。一是从单 时间和运营风险；美国软件技术企业 LogicMonitor 的 AI 智能体能主 动分析设备运行数据，确定故障原因并给出解决方案，使警报减少 80%。 2.多智能体协同实现复杂工业流程调度和全局资源优化 在单智能体的自主执行与决策能力基础上，多智能体协同系统通 过多主体间的信息交互、能力互补与任务协同，突破单智能体的能力 边界，目前行业内已形成两条成熟的技术落地路径：一是“中心协调 器+多个执行智 “听懂”彼此。二是面对设计中“既要性能好、又要成本低”的多目标难 题，建立需求、方案、仿真、排程、根因分析的多智能体协同机制， 寻求最优设计策略。三是将产品生产、在役阶段的质量、维保、用户 反馈等数据进行沉淀并回流至设计阶段，用来修正最初的设计参数和 材料选择，推动模型与策略在全生命周期的持续进化。例如麻省理工 团队采用多智能体协作框架，整合了“视觉－语言”模型用于草图风格 工业智能创新发展报告（2026 年）

.......... 18 （一） 国际视角：技术引领与生态开放并行.................................................19 （二） 国内发展：多主体协同与自主生态构建.............................................20 五、 AI 计算节点未来趋势............................ 件-生态”综合体系竞争的关键跃迁。国际竞争围绕生态主导权展开， 呈现出技术垄断与开放协作两条路径。国内 AI 计算产业立足自身市 场条件与发展需求，探索出一条通过系统级架构创新弥补单点短板， 以开放兼容策略融入国际主流，借多主体协同加速构建自主生态的特 色发展路径，推动产业生态从“可用”到“好用”的稳健升级。国内 外 AI 计算节点产业生态对比如下： 表 1 国内外 AI 计算节点产业生态对比 对比维度 国际产业生态 通过联盟等形式深度合作。 来源：IDC，中国信息通信研究院 （一）国际视角：技术引领与生态开放并行 AI 计算节点作为支撑 AI 训练和推理的核心基础设施，产业生态 围绕生产类与应用类两类核心主体协同构建。生产类企业聚焦硬件研 发、标准制定与设备供应，筑牢计算节点底层支撑体系。应用类企业 侧重计算节点架构下的算力部署、场景落地与服务输出，加速技术商 业化转化。 1.生产类主体：筑牢技术壁垒、主导标准制定

在智能体层，聚焦于智能体应用的工程化开发与编排能力。该层 需提供可视化开发环境，支持业务人员与技术人员协同定义智能体角 色、任务自标、对话流程与工具绑定策略。平台应内置工作流引擎， 支持多智能体协作、人机交互相融、异常处理与回退机制等复杂逻辅 编排。关键在于，所有智能体行为必须可配置、可追踪、可审计一一 包括其调用了哪些工具、依据了哪些数据、做出了何种决策。同时， 14 应建立智能体 的质量与价值的规 模。 破解组织协同难题，必须进行前瞻性的组织设计与机制创新，推 动金融机构从“职能竖井”向“价值网络”转型。核心在于构建“战略牵 引、机制保障、人才支撑、文化浸润”的四位一体协同体系。 1.强化顶层设计与战略解码： 成立高规格的数学化/智能化转型委员会：由组织领导直接挂师， 核心业务部门、科技、风险、合规、数据等部门一把手作为常设委员， 负责审议智能化战略、审定重大投资项目、裁决重大资源协调与优先 Allinone 规划力 个超级入口提供所 找和接素 无需到处寻 工程 记忆力 结果交付 需繁现的过程操作 行动力 大件 图9上海银行AI手机银行系统架构图 应用平台层：借助多智能体协作实现灵活的功能扩展和个性化服 务，支持客户端智能化开发组件、动态卡片、流式会话网关、智能搜 推等智能能力，可实现从货架式功能清单查找到“一句话”指令式服 58 务。以全场景适配为核心，基于任务执行沙箱，在保障隐私安全基础

体现出从“感知+控制”向“感知+推理+行动”的范式跃迁。其技术架构呈现“大脑-小脑” 分层协同特征：云端“大脑”作为认知与规划中枢，融合多源数据构建实时共享空间记忆 体，完成宏观任务分解与多智能体协同调度；边缘“小脑”部署于不同形态本体，依托模 块化技能库将高层指令快速编译为可执行的技能原语，保障低时延、强鲁棒的执行。 在技术路径上，具身智能正沿着多模态融合、自适应学习、跨场景泛化的方向演进， 道，支持学生实 现从“掌握技术”到“创造技术”的跃迁。 智能感知与决策：深入探索智能的认知前沿。课程可包括《自然语言处理》（实现深 度人机对话）、《多智能体系统》或《具身智能集群技术》（研究群体协同与竞争）、《生 成式人工智能（GenAI）》或《具身智能与大模型》、《认知心理学》等。 先进机器人系统：深耕机器人的系统与应用创新。课程可包括《最优控制与强化学习》 或《机器人动力学与控制》（高级控制理论）、《ROS 降低算 法开发门槛。 其四，异构智能体的群体控制能力。深谷智脑系统具备强大的“一脑多形”协同控制 能力，可兼容宇树 G1（EDU 版本）与四足机器狗、无人机、无人车等多种异构智能体， 实现群体协同作业。依托室内定位技术与多智能体跨域协同控制算法，可实现多台宇树 G1 （EDU 版本）之间、或与其他智能体之间的交互控制、自主避障、协同完成复杂任务，内 置单机/集群控制示例程序，支持二次开

用户可以 前往首页体验 H5 和网站开发。作为国内首个对话式应用开发平台，秒哒以"无代码编程+多智 能体协作+多工具调用"的技术组合，彻底颠覆传统开发流程。据了解，用户仅需通过自然语言 描述需求，即可自动生成完整功能代码，实现“3 分钟生成+1 小时迭代”的极致开发体验；“智 能体协作矩阵”内置十余个垂直领域智能体，用户可根据任务需求动态调整策略和行为，灵活 组建不同技能的虚拟开发团队；

行管理。国外研究主要聚焦无人机交 通管理(UTM)与城市空中交通管理(UAM Traffic Management)框架，探讨如何利用通信导航监视(CNS)系 统、数字孪生和智能调度算法实现多主体协同运行。美国、欧盟分别提出 UTM 和 U-space 体系，对飞行 规则、服务级别、数据共享机制等进行了系统设计，对中国具有重要借鉴意义。 国内学者更多结合我国空域管理体制，分析低空空域分类分级管理、飞行报备与审批流程优化、 束。如何在发挥优势、把握机遇的同时，有 效弥补短板、化解风险，关键在于构建以“技术创新–场景应用–政策协同”为核心的发展框架，并在 时间上分阶段推进，在空间上形成多层级载体体系，在政策上实现多主体协同与制度创新。 3.4. 基于 SWOT 的战略组合与推导 为了增强“问题诊断–战略选择–实施路径”之间的逻辑闭环，本文依据 SWOT 矩阵构建 SO、WO、 ST、WT 四类战略组合(见表